Novel Techniques for Monitoring Freshwater Turtles in Ontario
Notice bibliographique
Résumé
Freshwater turtles are struggling for their survival worldwide due to habitat loss and degradation, road mortality and illegal collection. To protect such at-risk species, we must establish accurate long-term monitoring programs to track changes in population abundance. For elusive freshwater turtles, tracking them requires trained researchers, specialized equipment, and an often prohibitively expensive field budget. Environmental DNA (eDNA) is a relatively new method that uses molecular techniques to detect the occupancy of elusive species from water samples and shows the potential to be a more accurate, cost and time-effective method. Pattern recognition software has been successfully used on many different aquatic species to uniquely identify individuals from photographs. The purpose of my thesis was to develop more accurate, non-invasive, and time-effective methods using eDNA and pattern recognition software to replace traditional methods for monitoring populations of at-risk turtles in Ontario. We collected eDNA samples in five wetland complexes at different times of the year, using various techniques to determine the best protocols for detecting the occupancy of Blanding’s turtles in wetlands. Sampling for eDNA will produce more accurate results during the Active season (April-July), and pooling samples from a single wetland can help decrease costs while increasing accuracy. We used 600 photos of shell patterns from 500 different Spotted turtles in the Georgian Bay-Muskoka to uniquely identify Spotted turtles. When photos were pooled across all regions, there was a 90% probability of detecting the correct individual turtle. The use of eDNA and photo identification of turtle plastrons offer cost-effective, non-invasive methods to monitor at-risk freshwater turtle populations and individuals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».